CN114997031B - 一种工件加工难度评估方法、装置、终端设备及存储介质 - Google Patents
一种工件加工难度评估方法、装置、终端设备及存储介质 Download PDFInfo
- Publication number
- CN114997031B CN114997031B CN202210927731.5A CN202210927731A CN114997031B CN 114997031 B CN114997031 B CN 114997031B CN 202210927731 A CN202210927731 A CN 202210927731A CN 114997031 B CN114997031 B CN 114997031B
- Authority
- CN
- China
- Prior art keywords
- processing
- machining
- difficulty
- determining
- workpiece
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Numerical Control (AREA)
- Machine Tool Sensing Apparatuses (AREA)
Abstract
本发明公开了一种工件加工难度评估方法、装置、终端设备及存储介质,所述方法包括:获取工件的三维模型数据,并根据所述三维模型数据确定与所述三维模型数据所对应的加工工序信息;确定每一个加工工序信息所对应的加工时间与加工刀具,并基于所述加工时间确定所述加工刀具所对应的刀具磨损量;根据所述刀具磨损量,确定每一个加工工序信息所对应的难度信息,并基于所述难度信息,确定所述工件的整体加工难度。本发明通过确定加工时间以及刀具磨损量来评估出工件的加工难度,评估出的加工难度更为准确。
Description
技术领域
本发明涉及工件加工制造技术领域,尤其涉及一种工件加工难度评估方法、装置、终端设备及存储介质。
背景技术
目前在工件加工制造领域中,经常会遇到一些不常见的工件。在面对新型的工件的加工时,难以评估出准确的加工难度,以至于在对工件的加工流程进行设置、调试以及优化过程中,基本都是采用操作人员的经验来决定,而不同的操作人员的经验不同,导致试错成本高,造成工件的加工成本被浪费,且影响工件的加工效率。
因此,现有技术还有待改进和提高。
发明内容
本发明要解决的技术问题在于,针对现有技术的上述缺陷,提供一种工件加工难度评估方法、装置、终端设备及存储介质,旨在提供解决现有技术中在对新型工件进行加工时,基本都是采用操作人员的经验来设置加工流程,导致试错成本高,造成工件的加工成本被浪费,且影响工件的加工效率的问题。
第一方面,本发明提供一种工件加工难度评估方法,其中,所述方法包括:
获取工件的三维模型数据,并根据所述三维模型数据确定与所述三维模型数据所对应的加工工序信息;
确定每一个加工工序信息所对应的加工时间与加工刀具,并基于所述加工时间确定所述加工刀具所对应的刀具磨损量;
根据所述加工时间与所述刀具磨损量,确定每一个加工工序信息所对应的难度信息,并基于所述难度信息,确定所述工件的整体加工难度。
在一种实现方式中,所述根据所述三维模型数据确定与所述三维模型数据所对应的加工工序信息,包括:
对所述三维模型数据进行处理,对所述三维模型数据进行三角形网格划分,得到表面网格模型;
基于所述表面网格模型,确定所述工件的轮廓边界信息,并基于所述轮廓边界信息,确定所述工件的轮廓形状特征;
从所述轮廓形状特征中提取部件结构,所述部件结构包括槽、凸台、轴、斜面、弧面中一种或者多种;
根据所述部件结构,确定每一个部件结构所对应的加工工序信息,所述加工工序信息用于反映所述工件的加工步骤。
在一种实现方式中,所述对所述三维模型数据进行处理,对所述三维模型数据进行三角形网格划分,得到表面网格模型,包括:
找出所述三维模型数据中的所有的平面域与曲面域;
将所有的所述平面域以及所有的所述曲面域进行三角形网格划分,并分别进行平面域合并以及曲面域合并,得到所述表面网格模型。
在一种实现方式中,所述确定每一个加工工序信息所对应的加工时间与加工刀具,包括:
根据所述加工工序信息,确定每一个加工工序信息所对应的加工位置;
基于所述轮廓形状特征,确定与所述加工位置所对应的部件结构的尺寸信息;
基于所述尺寸信息,确定所述加工刀具以及所述加工时间。
在一种实现方式中,所述基于所述加工时间确定所述加工刀具所对应的刀具磨损量,包括:
根据所述加工工序信息,确定所述加工刀具每一次加工的进给量;
基于所述加工时间与所述进给量,确定所述刀具磨损量,所述刀具磨损量分别与所述加工时间以及所述进给量成正比例关系。
在一种实现方式中,所述根据所述加工时间与所述刀具磨损量,确定每一个加工工序信息所对应的难度信息,包括:
将所述加工时间与所述刀具磨损量输入至预设的加工难度评估模型,输出每一个所述加工工序信息所对应的难度信息,所述难度信息用数值表示。
在一种实现方式中,所述基于所述难度信息,确定所述工件的整体加工难度,包括:
获取每一个所述加工工序信息的难度信息所对应的权重数据;
根据所述难度信息以及对应的权重数据计算加权求和,得到所述工件的整体加工难度。
第二方面,本发明实施例还提供一种工件加工难度评估装置,其中,所述装置包括:
工序信息确定模块,用于获取工件的三维模型数据,并根据所述三维模型数据确定与所述三维模型数据所对应的加工工序信息;
刀具磨损量确定模块,用于确定每一个加工工序信息所对应的加工时间与加工刀具,并基于所述加工时间确定所述加工刀具所对应的刀具磨损量;
加工难度确定模块,用于根据所述刀具磨损量,确定每一个加工工序信息所对应的难度信息,并基于所述难度信息,确定所述工件的整体加工难度。
第三方面,本发明实施例还提供一种终端设备,其中,所述终端设备包括存储器、处理器及存储在存储器中并可在处理器上运行的工件加工难度评估程序,处理器执行工件加工难度评估程序时,实现上述方案中任一项的工件加工难度评估方法的步骤。
第四方面,本发明实施例还提供一种计算机可读存储介质,其中,计算机可读存储介质上存储有工件加工难度评估程序,所述工件加工难度评估程序被处理器执行时,实现上述方案中任一项所述的工件加工难度评估方法的步骤。
有益效果:与现有技术相比,本发明提供了一种工件加工难度评估方法,本发明首先获取工件的三维模型数据,并根据所述三维模型数据确定与所述三维模型数据所对应的加工工序信息。然后,确定每一个加工工序信息所对应的加工时间与加工刀具,并基于所述加工时间确定所述加工刀具所对应的刀具磨损量。最后,根据所述加工时间与所述刀具磨损量,确定每一个加工工序信息所对应的难度信息,并基于所述难度信息,确定所述工件的整体加工难度。本发明通过确定出每一个加工工序的加工时间以及对应的刀具磨损量,基于该加工时间与刀具磨损量来评估出该工件的加工难度,且评估出的加工难度更为准确,并且还可以帮助操作人员更好地设置加工流程等信息,提高工件的加工效率。
附图说明
图1为本发明实施例提供的工件加工难度评估方法的具体实施方式的流程图。
图2为本发明实施例提供的工件加工难度评估装置的功能原理图。
图3为本发明实施例提供的终端设备的原理框图。
具体实施方式
为使本发明的目的、技术方案及效果更加清楚、明确,以下参照附图并举实施例对本发明进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
本实施例提供一种工件加工难度评估方法,基于本实施例的方法,可更为准确地评估出工件的加工难度,以便帮助操作人员更好地设置加工流程。具体地,本实施例首先获取工件的三维模型数据,并根据所述三维模型数据确定与所述三维模型数据所对应的加工工序信息。然后,确定每一个加工工序信息所对应的加工时间与加工刀具,并基于所述加工时间确定所述加工刀具所对应的刀具磨损量。最后,根据所述加工时间与所述刀具磨损量,确定每一个加工工序信息所对应的难度信息,并基于所述难度信息,确定所述工件的整体加工难度。可见,本实施例是通过确定出每一个加工工序的加工时间以及对应的刀具磨损量,基于该加工时间与刀具磨损量来评估出该工件的加工难度,且评估出的加工难度更为准确,有利于提高工件的加工效率。
示例性方法
本实施例的工件加工难度评估方法可应用于终端设备,所述终端设备可为数控机床上操作终端或者与所述数控机床连接的电脑终端,在具体应用时,所述终端设备可执行本实施例的工件加工难度评估方法的所有流程。具体地,如图1中所示,所述工件加工难度评估方法具体包括如下步骤:
步骤S100、获取工件的三维模型数据,并根据所述三维模型数据确定与所述三维模型数据所对应的加工工序信息。
在本实施例中,当需要对某个工件进行加工时,预先调取该工件的三维模型数据,所述三维模型数据可反映所述工件的三维实体结构,比如,基于pro/e软件绘制的该工件的三维模型。由于所述三维模型数据是可以反映出工件的三维实体结构的,因此,本实施例基于该三维模型数据所反映的三维实体结构来确定对应的加工工序信息,所述加工工序信息反映的是用于加工出该工件时的加工流程与加工步骤。
在一种实现方式中,本实施例在确定加工工序信息时,包括如下步骤:
步骤S101、对所述三维模型数据进行处理,对所述三维模型数据进行三角形网格划分,得到表面网格模型;
步骤S102、基于所述有限元网格模型,确定所述工件的轮廓边界信息,并基于所述轮廓边界信息,确定所述工件的轮廓形状特征;
步骤S103、从所述轮廓形状特征中提取部件结构,所述部件结构包括槽、凸台、轴、斜面、弧面中一种或者多种;
步骤S104、根据所述部件结构,确定每一个部件结构所对应的加工工序信息,所述加工工序信息用于反映所述工件的加工步骤。
具体地,本实施例的终端设备在得到工件的三维模型数据后,开始对该三维模型数据进行处理。为了基于该三维模型数据来确定出对应的加工工序信息,本实施例需要首先确定工件的轮廓形状特征,该轮廓形状特征可反映出工件的外部轮廓以及结构,这样就可以基于轮廓形状特征来确定出对应的加工工序信息。在具体应用时,本实施例基于三维模型数据找出所有的平面域与曲面域,所述平面域指的是三维模型数据中的平面区域,所述曲面域指的是三维模型数据中的曲面区域。本实施例将所有的平面域与曲面域均进行三角形网格划分。具体地,本实施例首先确定三角形网格单元的尺寸与数量,然后将平面域都划分成三角形。并且本实施例还可将共面的三角形面片组合成一个单连通的多边形域,这样平面域就形成了一个个多边形域,这样方便能对三维模型数据的表面形状进行表示。而对于曲面域,本实施例同样是将所有的曲面域都划分成一个个三角形,为了更好地进行三角形网格划分,本实施例首先将曲面域投影到一个平面域上,然后在平面域上进行三角形网格划分,再将划分好的三角形网格映射回曲面域上,这样就实现对曲面域的三角形网格划分。本实施例通过对三维模型数据进行三角形网格划分后,就可以得到表面网格模型,所述表面网格模型可更好地反映出工件的外部轮廓,并且通过进行三角形网格划分,可实现对工件的外部边界以及整体形状进行更为细致的体现,更加趋近于工件的真实形状。因此,本实施例基于该表面网格模型就可以确定出工件的轮廓边界信息,本实施例的轮廓边界信息包括工件的外轮廓线条以及外表面形状,然后基于这些外轮廓线条与外表面形状就可以确定出工件的轮廓形状特征。当得到工件的轮廓形状特征后,本实施例可从确定的轮廓形状特征中提取部件结构,该部件结构包括槽、凸台、轴、斜面、弧面中一种或者多种。此时,终端设备就可以确定出该工件的具体结构,就知道该工件具体包括哪些结构。需要说明的是,本实施例在提取工件的部件结构时,可基于工件的轮廓形状特征来对工件进行结构拆分,从而确定出工件中的槽、凸台、轴、斜面、弧面,以得到各个部件结构。而不同的部件结构的加工过程是不相同的,因此对应的加工工序信息也是不相同的,因此本实施例可以基于每一个部件结构确定出对应的加工工序信息,该加工工序信息中反映了该工件的加工步骤。具体实施时,本实施例可预先设置工序信息数据库,该工序信息数据库中存储有不同的部件结构所对应的通用工序信息,因此当确定出该工件的部件结构后,就可以找到该部件结构所对应的通用工序信息,该通用工序信息即为该部件结构对应的加工工序信息,然后将所有的部件结构的通用工序信息进行整合,得到整个工件的加工工序信息。
步骤S200、确定每一个加工工序信息所对应的加工时间与加工刀具,并基于所述加工时间确定所述加工刀具所对应的刀具磨损量。
本实施例在得到每个部件结构的加工工序信息后,基于该加工工序信息的具体内容,确定每一个部件结构的加工时间以及用到的加工刀具,并且由于加工时间越长,加工刀具所对应的刀具磨损量就会越大,因此,本实施例可基于加工时间确定该加工刀具所对应的刀具磨损量。
在一种实现方式中,本实施例在确定加工时间时,包括如下步骤:
步骤S201、根据所述加工工序信息,确定每一个加工工序信息所对应的加工位置;
步骤S202、基于所述轮廓形状特征,确定与所述加工位置所对应的部件结构的尺寸信息;
步骤S203、基于所述尺寸信息,确定所述加工刀具以及所述加工时间。
具体地,由于加工工序信息记载了每一个部件结构的加工过程,包括加工步骤以及对应的参数信息,因此本实施例基于该加工工序信息,可以确定出每一个加工工序信息所对应的加工位置,所述加工位置为对应的部件结构上的某个位置,由于每个部件结构可能需要经过不同的加工步骤或者需要经过多次相同的加工步骤进行往复加工才可以形成,因此,每个部件结构上的加工位置也会有多个,本实施例基于该部件结构的加工工序信息就可以确定该部件结构上的所有加工位置。在本实施例中,由于不同的加工位置的加工时间是不同的,而本实施例已经确定了工件的轮廓形状特征,轮廓形状特征中不但反映了该工件的形状,还可反映该工件的外轮廓尺寸,因此本实施例在确定出加工位置后,就可以基于该轮廓形状特征,确定该加工位置的尺寸信息,并进一步确定该加工位置对应的部件结构的尺寸信息。此外,由于本实施例确定了部件结构的各个加工位置以及对应的尺寸信息,因此就可以确定每个加工位置对应的加工时间,进而得到该部件结构的加工时间。此外,本实施例的加工工序信息记载了该部件结构的加工过程,因此就记载了在加工该部件结构的各个加工位置的加工刀具,因此,本实施例就可以得到每个部件结构的加工时间以及每个部件结构的加工刀具。
在一种实现方式中,本实施例在确定刀具磨损量时,本实施例包括如下步骤:
步骤S21、根据所述加工工序信息,确定所述加工刀具每一次加工的进给量;
步骤S22、基于所述加工时间与所述进给量,确定所述刀具磨损量,所述刀具磨损量分别与所述加工时间以及所述进给量成正比例关系。
具体地,本实施例基于加工工序信息中所记载的该部件结构的加工过程,确定加工参数,该加工参数为对应的加工刀具每一次加工的进给量,然后,本实施例基于对应的加工时间与进给量来确定该加工刀具的刀具磨损量。一般来说,加工时间越长,刀具磨损量也就越大,并且,进给量越大,刀具磨损量也会越大,因此本实施例的所述刀具磨损量分别与所述加工时间以及所述进给量成正比例关系。所以,本实施例在得到加工时间以及进给量后,就可以同时考虑加工时间与进给量,将加工时间与进给量作为确定刀具磨损量衡量参数,构建出用于确定刀具磨损量的函数关系,以便更为准确地确定出刀具磨损量。在具体应用时,本实施例可分别对加工时间对刀具磨损量的影响以及进给量对刀具磨损量的影响进行考虑,并分别为加工时间与进给量设置不同的权重值,比如,如果加工时间对刀具磨损量的影响更大,则加工时间的权重值设置的更大,如果进给量对刀具磨损量的影响更大,则进给量的权重值设置的更大,当设置了加工时间的权重值与进给量的权重值后,本实施例就可以构建用于计算刀具磨损量的加权函数关系,以便在得到加工时间与进给量时计算出刀具磨损量。当然,本实施例计算出的刀具磨损量是基于一个加工刀具所对应的加工时间与进给量来计算的,并且是与一个部件结构的一个加工刀具对应的。当一个部件结构中需要多个加工刀具加工完成,本实施例可基于每个加工刀具对应的加工时间以及进给量来计算每个加工刀具的刀具磨损量,然后将所有的刀具磨损量求和,得到该部件结构所对应的刀具磨损量。
步骤S300、根据所述加工时间与所述刀具磨损量,确定每一个加工工序信息所对应的难度信息,并基于所述难度信息,确定所述工件的整体加工难度。
由于工件的加工时间以及对应的刀具磨损量可反映该工件的加工难度,比如,加工时间越长和/或刀具磨损量越大,则加工难度也就越大,反之,如果加工时间越长和/或刀具磨损量越小,则加工难度也就越小。因此,本实施例在获取到每一个加工工序信息的加工时间与刀具磨损量后,就可以首先确定每一个加工工序信息的难度信息,然后再基于所述难度信息,确定所述工件的整体加工难度。
在一种实现方式中,本实施例在确定工件的整体加工难度时,包括如下步骤:
步骤S301、将所述加工时间与所述刀具磨损量输入至预设的加工难度评估模型,输出每一个所述加工工序信息所对应的难度信息,所述难度信息用数值表示;
步骤S302、获取每一个所述加工工序信息的难度信息所对应的权重数据;
步骤S303、根据所述难度信息以及对应的权重数据计算加权求和,得到所述工件的整体加工难度。
具体地,本实施例的在确定每一个加工工序信息的加工时间和刀具磨损量后,将这两个参数(加工时间与刀具磨损量)输入至预设的加工难度评估模型,加工难度评估模型是预先设置的,是预先在对其他各种形状的工件进行加工时对其加工时间以及刀具磨损量进行统计后,通过训练神经网络模型得到。该加工难度评估模型可基于输入的加工时间和刀具磨损量自动计算输出每一个所述加工工序信息所对应的难度信息,由于加工时间以及刀具磨损量是以数值体现的,因此难度信息也是以数值体现的。而当确定出每一个所述加工工序信息所对应的难度信息后,本实施例可基于获取每一个所述加工工序信息的难度信息所对应的权重数据,为工件的整个加工过程是基于不同的加工工序信息组成的,因此不同的加工工序信息对应有不同的难度信息,因此,本实施例可基于加工工序信息的难度信息以及对应的权重数据计算加权求和,就可以得到所述工件的整体加工难度。比如,A工序的难度信息为a,对应的权重数据为0.8;B工序的难度信息为b,对应的权重数据为0.85;C工序的难度信息为c,对应的权重数据为0.95,因此整体加工难度为:0.8*a+0.85*b+0.95*c。本实施例中各个加工工序信息的权重数据是基于对应的加工时长和/或刀具磨损量来设置的,加工时间越长和/或刀具磨损量越小,则对应加工工序信息的权重数据也就越小;如果加工时间越长和/或刀具磨损量越大,则对应加工工序信息的权重数据也就越大。
综上,本实施例首先获取工件的三维模型数据,并根据所述三维模型数据确定与所述三维模型数据所对应的加工工序信息。然后,确定每一个加工工序信息所对应的加工时间与加工刀具,并基于所述加工时间确定所述加工刀具所对应的刀具磨损量。最后,根据所述加工时间与所述刀具磨损量,确定每一个加工工序信息所对应的难度信息,并基于所述难度信息,确定所述工件的整体加工难度。本实施例通过确定出每一个加工工序的加工时间以及对应的刀具磨损量,基于该加工时间与刀具磨损量来评估出该工件的加工难度,且评估出的加工难度更为准确,并且还可以帮助操作人员更好地设置加工流程等信息,提高工件的加工效率。
示例性装置
基于上述实施例,本发明还提供一种工件加工难度评估装置,如图2中所示,所述装置包括:工序信息确定模块10、刀具磨损量确定模块20以及加工难度确定模块30。具体地,本实施例的工序信息确定模块10,用于获取工件的三维模型数据,并根据所述三维模型数据确定与所述三维模型数据所对应的加工工序信息。所述刀具磨损量确定模块20,用于确定每一个加工工序信息所对应的加工时间与加工刀具,并基于所述加工时间确定所述加工刀具所对应的刀具磨损量。所述加工难度确定模块30,用于根据所述刀具磨损量,确定每一个加工工序信息所对应的难度信息,并基于所述难度信息,确定所述工件的整体加工难度。
在一种实现方式中,所述工序信息确定模块10,包括:
网格划分单元,用于对所述三维模型数据进行处理,对所述三维模型数据进行三角形网格划分,得到表面网格模型;
轮廓形状确定单元,用于基于所述表面网格模型,确定所述工件的轮廓边界信息,并基于所述轮廓边界信息,确定所述工件的轮廓形状特征;
部件结构提取单元,用于从所述轮廓形状特征中提取部件结构,所述部件结构包括槽、凸台、轴、斜面、弧面中一种或者多种;
工序信息确定单元,用于根据所述部件结构,确定每一个部件结构所对应的加工工序信息,所述加工工序信息用于反映所述工件的加工步骤。
在一种实现方式中,所述网格划分单元,包括:
区域查找子单元,用于找出所述三维模型数据中的所有的平面域与曲面域;
三角网格划分子单元,用于将所有的所述平面域以及所有的所述曲面域进行三角形网格划分,并分别进行平面域合并以及曲面域合并,得到所述表面网格模型。
在一种实现方式中,所述刀具磨损量确定模块20,包括:
加工位置确定单元,用于根据所述加工工序信息,确定每一个加工工序信息所对应的加工位置;
尺寸信息确定单元,用于基于所述轮廓形状特征,确定与所述加工位置所对应的部件结构的尺寸信息;
加工时间确定单元,用于基于所述尺寸信息,确定所述加工刀具以及所述加工时间;
进给量确定单元,用于根据所述加工工序信息,确定所述加工刀具每一次加工的进给量;
刀具磨损量确定单元,用于基于所述加工时间与所述进给量,确定所述刀具磨损量,所述刀具磨损量分别与所述加工时间以及所述进给量成正比例关系。
在一种实现方式中,所述加工难度确定模块30,包括:
难度信息确定单元,用于将所述加工时间与所述刀具磨损量输入至预设的加工难度评估模型,输出每一个所述加工工序信息所对应的难度信息,所述难度信息用数值表示;
权重数据确定单元,用于获取每一个所述加工工序信息的难度信息所对应的权重数据;
加工难度确定单元,用于根据所述难度信息以及对应的权重数据计算加权求和,得到所述工件的整体加工难度。
本实施例的工件加工难度评估装置中各个模块的工作原理与上述方法实施例中各个步骤的原理相同,此处不再赘述。
基于上述实施例,本发明还提供了一种终端设备,所述终端设备的原理框图可以如3所示。终端设备可以包括一个或多个处理器100(图3中仅示出一个),存储器101以及存储在存储器101中并可在一个或多个处理器100上运行的计算机程序102,例如, 工件加工难度评估的程序。一个或多个处理器100执行计算机程序102时可以实现工件加工难度评估方法实施例中的各个步骤。或者,一个或多个处理器100执行计算机程序102时可以实现工件加工难度评估的装置实施例中各模块/单元的功能,此处不作限制。
在一个实施例中,所称处理器100可以是中央处理单元(Central ProcessingUnit,CPU),还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor,DSP)、专用集成电路 (Application Specific Integrated Circuit,ASIC)、现成可编程门阵列 (Field-Programmable Gate Array,FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
在一个实施例中,存储器101可以是电子设备的内部存储单元,例如电子设备的硬盘或内存。存储器101也可以是电子设备的外部存储设备,例如电子设备上配备的插接式硬盘,智能存储卡(smart media card,SMC),安全数字(secure digital,SD)卡,闪存卡(flash card)等。进一步地,存储器101还可以既包括电子设备的内部存储单元也包括外部存储设备。存储器101用于存储计算机程序以及终端设备所需的其他程序和数据。存储器101还可以用于暂时地存储已经输出或者将要输出的数据。
本领域技术人员可以理解,图3中示出的原理框图,仅仅是与本发明方案相关的部分结构的框图,并不构成对本发明方案所应用于其上的终端设备的限定,具体的终端设备以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本发明所提供的各实施例中所使用的对存储器、存储、运营数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双运营数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
综上,本发明公开了一种工件加工难度评估方法、装置、终端设备及存储介质,所述方法包括:获取工件的三维模型数据,并根据所述三维模型数据确定与所述三维模型数据所对应的加工工序信息;确定每一个加工工序信息所对应的加工时间与加工刀具,并基于所述加工时间确定所述加工刀具所对应的刀具磨损量;根据所述刀具磨损量,确定每一个加工工序信息所对应的难度信息,并基于所述难度信息,确定所述工件的整体加工难度。本发明通过确定加工时间以及刀具磨损量来评估出工件的加工难度,评估出的加工难度更为准确。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (9)
1.一种工件加工难度评估方法,其特征在于,所述方法包括:
获取工件的三维模型数据,并根据所述三维模型数据确定与所述三维模型数据所对应的加工工序信息;
确定每一个加工工序信息所对应的加工时间与加工刀具,并基于所述加工时间确定所述加工刀具所对应的刀具磨损量;
根据所述加工时间与所述刀具磨损量,确定每一个加工工序信息所对应的难度信息,并基于所述难度信息,确定所述工件的整体加工难度;
所述根据所述加工时间与所述刀具磨损量,确定每一个加工工序信息所对应的难度信息,包括:
将所述加工时间与所述刀具磨损量输入至预设的加工难度评估模型,所述加工难度评估模型是预先设置的,是预先在对各种形状的工件进行加工时对加工时间以及刀具磨损量进行统计后,通过训练神经网络模型得到;所述加工难度评估模型可基于输入的加工时间和刀具磨损量自动计算输出每一个所述加工工序信息所对应的难度信息,并且所述加工时间、所述刀具磨损量、所述难度信息均是以数值体现。
2.根据权利要求1所述的工件加工难度评估方法,其特征在于,所述根据所述三维模型数据确定与所述三维模型数据所对应的加工工序信息,包括:
对所述三维模型数据进行处理,对所述三维模型数据进行三角形网格划分,得到表面网格模型;
基于所述表面网格模型,确定所述工件的轮廓边界信息,并基于所述轮廓边界信息,确定所述工件的轮廓形状特征;
从所述轮廓形状特征中提取部件结构,所述部件结构包括槽、凸台、轴、斜面、弧面中一种或者多种;
根据所述部件结构,确定每一个部件结构所对应的加工工序信息,所述加工工序信息用于反映所述工件的加工步骤。
3.根据权利要求2所述的工件加工难度评估方法,其特征在于,所述对所述三维模型数据进行处理,对所述三维模型数据进行三角形网格划分,得到表面网格模型,包括:
找出所述三维模型数据中的所有的平面域与曲面域;
将所有的所述平面域以及所有的所述曲面域进行三角形网格划分,并分别进行平面域合并以及曲面域合并,得到所述表面网格模型。
4.根据权利要求3所述的工件加工难度评估方法,其特征在于,所述确定每一个加工工序信息所对应的加工时间与加工刀具,包括:
根据所述加工工序信息,确定每一个加工工序信息所对应的加工位置;
基于所述轮廓形状特征,确定与所述加工位置所对应的部件结构的尺寸信息;
基于所述尺寸信息,确定所述加工刀具以及所述加工时间。
5.根据权利要求3所述的工件加工难度评估方法,其特征在于,所述基于所述加工时间确定所述加工刀具所对应的刀具磨损量,包括:
根据所述加工工序信息,确定所述加工刀具每一次加工的进给量;
基于所述加工时间与所述进给量,确定所述刀具磨损量,所述刀具磨损量分别与所述加工时间以及所述进给量成正比例关系。
6.根据权利要求5所述的工件加工难度评估方法,其特征在于,所述基于所述难度信息,确定所述工件的整体加工难度,包括:
获取每一个所述加工工序信息的难度信息所对应的权重数据;
根据所述难度信息以及对应的权重数据计算加权求和,得到所述工件的整体加工难度。
7.一种工件加工难度评估装置,其特征在于,所述装置包括:
工序信息确定模块,用于获取工件的三维模型数据,并根据所述三维模型数据确定与所述三维模型数据所对应的加工工序信息;
刀具磨损量确定模块,用于确定每一个加工工序信息所对应的加工时间与加工刀具,并基于所述加工时间确定所述加工刀具所对应的刀具磨损量;
加工难度确定模块,用于根据所述刀具磨损量,确定每一个加工工序信息所对应的难度信息,并基于所述难度信息,确定所述工件的整体加工难度;
所述加工难度确定模块包括:
将所述加工时间与所述刀具磨损量输入至预设的加工难度评估模型,所述加工难度评估模型是预先设置的,是预先在对各种形状的工件进行加工时对加工时间以及刀具磨损量进行统计后,通过训练神经网络模型得到;所述加工难度评估模型可基于输入的加工时间和刀具磨损量自动计算输出每一个所述加工工序信息所对应的难度信息,并且所述加工时间、所述刀具磨损量、所述难度信息均是以数值体现。
8.一种终端设备,其特征在于,所述终端设备包括存储器、处理器及存储在所述存储器中并可在所述处理器上运行的工件加工难度评估程序,所述处理器执行所述工件加工难度评估程序时,实现如权利要求1-6任一项所述 的工件加工难度评估方法的步骤。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有工件加工难度评估程序,所述工件加工难度评估程序被处理器执行时,实现如权利要求1-6任一项所述的工件加工难度评估方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210927731.5A CN114997031B (zh) | 2022-08-03 | 2022-08-03 | 一种工件加工难度评估方法、装置、终端设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210927731.5A CN114997031B (zh) | 2022-08-03 | 2022-08-03 | 一种工件加工难度评估方法、装置、终端设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114997031A CN114997031A (zh) | 2022-09-02 |
CN114997031B true CN114997031B (zh) | 2022-11-11 |
Family
ID=83021614
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210927731.5A Active CN114997031B (zh) | 2022-08-03 | 2022-08-03 | 一种工件加工难度评估方法、装置、终端设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114997031B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109571141A (zh) * | 2018-11-01 | 2019-04-05 | 北京理工大学 | 一种基于机器学习的刀具磨损状态监测方法 |
CN109739178A (zh) * | 2019-01-21 | 2019-05-10 | 南京航空航天大学 | 一种监测数据驱动的工件加工变形在线预测方法 |
DE102019200762A1 (de) * | 2018-02-28 | 2019-08-29 | Fanuc Corporation | Bearbeitungssimulationsvorrichtung einer Werkzeugmaschine |
CN111590391A (zh) * | 2020-06-04 | 2020-08-28 | 浙江中德自控科技股份有限公司 | 一种基于高低频声发射传感器融合的刀具磨损识别与预测方法 |
CN112069626A (zh) * | 2020-09-14 | 2020-12-11 | 哈尔滨理工大学 | 一种基于灰关联的铣削表面三维形貌参数与磨损量相关性分析方法 |
CN112873050A (zh) * | 2021-02-05 | 2021-06-01 | 武汉理工大学 | 一种球形抛光刀具磨损度预测方法、设备及存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109145319A (zh) * | 2017-06-16 | 2019-01-04 | 哈尔滨理工大学 | 基于深度神经网络的关键设备切削刀具剩余寿命预测方法 |
US20200387652A1 (en) * | 2019-06-07 | 2020-12-10 | Intact Solutions, Inc. | Computational Modeling of Procedural Language Descriptors Prior to Manufacture |
-
2022
- 2022-08-03 CN CN202210927731.5A patent/CN114997031B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102019200762A1 (de) * | 2018-02-28 | 2019-08-29 | Fanuc Corporation | Bearbeitungssimulationsvorrichtung einer Werkzeugmaschine |
CN109571141A (zh) * | 2018-11-01 | 2019-04-05 | 北京理工大学 | 一种基于机器学习的刀具磨损状态监测方法 |
CN109739178A (zh) * | 2019-01-21 | 2019-05-10 | 南京航空航天大学 | 一种监测数据驱动的工件加工变形在线预测方法 |
CN111590391A (zh) * | 2020-06-04 | 2020-08-28 | 浙江中德自控科技股份有限公司 | 一种基于高低频声发射传感器融合的刀具磨损识别与预测方法 |
CN112069626A (zh) * | 2020-09-14 | 2020-12-11 | 哈尔滨理工大学 | 一种基于灰关联的铣削表面三维形貌参数与磨损量相关性分析方法 |
CN112873050A (zh) * | 2021-02-05 | 2021-06-01 | 武汉理工大学 | 一种球形抛光刀具磨损度预测方法、设备及存储介质 |
Non-Patent Citations (4)
Title |
---|
A new automatic machine learning based hyperparameter optimization for workpiece quality prediction;Long Wen, etc;《Measurement and Control》;20200721;第53(7-8)卷;1088–1098 * |
Deep convolutional neural network-based in-process tool condition monitoring in abrasive belt grinding;CanCheng,etc;《Computers in Industry》;20190430;第106卷;1-13 * |
切削加工过程中振动状态及刀具磨损的智能监测技术研究;付洋;《中国博士学位论文全文数据库工程科技Ⅰ辑》;20190315(第3期);B022-13 * |
考虑数据完全性的刀具剩余寿命预测及其约束下的作业车间调度研究;李海;《中国博士学位论文全文数据库工程科技Ⅰ辑》;20220115(第1期);B022-308 * |
Also Published As
Publication number | Publication date |
---|---|
CN114997031A (zh) | 2022-09-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20090056468A1 (en) | Forming limit strain analysis | |
Budiono et al. | Method and model development for manufacturing cost estimation during the early design phase related to the complexity of the machining processes | |
CN115629573B (zh) | 一种加工程序自动编制方法、装置、终端设备及存储介质 | |
CN115740198A (zh) | 修边轮廓、翻边轮廓分段点的确定方法及装置 | |
CN114708587B (zh) | 一种基于图像识别的数控机床工件加工余量确定方法 | |
CN112001935B (zh) | 基于激光扫描的t型焊缝打磨方法、系统、介质及终端 | |
CN114997031B (zh) | 一种工件加工难度评估方法、装置、终端设备及存储介质 | |
CN114675599B (zh) | 一种数控机床的加工特征排序方法及系统 | |
CN111123833A (zh) | 一种机床的热误差补偿计算方法、装置、设备和存储介质 | |
CN111597742B (zh) | 一种基于焊接构件联动效应的农机结构残余变形预测方法 | |
CN102375901A (zh) | 模具设计工序云处理系统 | |
CN107330179A (zh) | 一种含有工艺辅助特征的三维工序模型快速创建方法 | |
CN111598364B (zh) | 用于机械零部件的数字化工艺编排系统 | |
CN113253675B (zh) | 一种面向二维的三轴刀位点运算方法及系统 | |
CN105354398A (zh) | 一种基于ug软件的模具2d加工工时评估方法 | |
CN115081136A (zh) | 一种研磨机轴承钢夹具的设计方法、装置及存储介质 | |
CN114265586B (zh) | 一种切割自动编程方法、装置及计算机可读存储介质 | |
Tanabe | Development of a tool for the easy determination of control factor interaction in the design of experiments and the taguchi methods | |
CN115139150B (zh) | 一种应用于数控机床的刀具切削用量设置方法及系统 | |
CN112214882B (zh) | 滤波器参数生成方法、振动传感模块、计算机装置和介质 | |
CN117381553B (zh) | 一种工件打磨方法、装置、电子设备及存储介质 | |
Graysmith et al. | Automated procedures for Boolean operations on finite element meshes | |
US20230066024A1 (en) | Curve Fitting Method, Apparatus and Device Based on A Drawing Tool | |
CN116984956B (zh) | 一种刀具磨削加工中心智能加工方法及系统 | |
CN115035964A (zh) | 晶体金属材料微铣削性能预测方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |